적대적 공격에 대한 내성적인 단일 이미지 반사 제거

이 논문은 적대적 공격에 대해 강건한 깊은 단일 이미지 반사 제거(SIRR) 문제를 다룬다. 기존의 딥러닝 기반 SIRR 방법은 입력 이미지에 미세한 왜곡이나 변형이 발생함에 따라 성능이 크게 저하되는 문제가 있다. 보다 포괄적인 강건성 분석을 위해, 먼저 SIRR 문제에 특화된 다양한 적대적 공격(다양한 공격 대상 및 영역을 대상으로)을 수행하였다. 이후, 크로스 스케일 주의 모듈, 다중 스케일 융합 모듈 및 적대적 이미지 판별자(adversarial image discriminator)를 통합한 강건한 SIRR 모델을 제안한다. 다중 스케일 메커니즘을 활용함으로써, 정상 이미지와 적대적 이미지 간의 특징 차이를 줄일 수 있다. 또한 이미지 판별자는 입력이 정상인지 노이즈가 있는지 자동으로 구분함으로써, 보다 신뢰할 수 있는 강건성을 확보한다. Nature, SIR², Real 데이터셋에서 실시한 광범위한 실험을 통해, 제안하는 모델이 다양한 시나리오에서 SIRR의 강건성을 크게 향상시킴을 입증하였다.